THYME-2016
Clinical TempEval 语料库基于一组 600份癌症临床记录和病理报告 梅奥诊所的病人。这些笔记由 Mayo Clinic 手动去识别以替换 带有通用占位符的名称、位置等， 但时间表达没有改变。笔记 然后由…
基本信息
资源简介
THYME-2016
【一句话概览】
THYME-2016 基于梅奥诊所 600 份癌症临床记录和病理报告，笔记经手动去标识化处理，以通用占位符替换姓名、地点等信息，但时间表达保持不变。随后由 THYME 项目使用 ISOTimeML 的扩展进行手动标注，用于标注临床笔记中的时间、事件和时间关系。该扩展新增了 PREPOSTEXP 等时间表达式类型、DEGREE=LITTLE 等事件属性，并更关注包含类时间关系。该语料库涉及医疗、预训练、自然语言处理、命名实体识别、时间信息抽取和否定检测（来源 opendatalab.org.cn）。
【数据内容】
源站原始描述：Clinical TempEval 语料库基于一组 600份癌症临床记录和病理报告 梅奥诊所的病人。这些笔记由 Mayo Clinic 手动去识别以替换 带有通用占位符的名称、位置等， 但时间表达没有改变。笔记 然后由 THYME 项目手动注释 (thyme.healthnlp.org) 使用 ISOTimeML 的扩展来注释临床笔记中的时间、事件和时间关系 (Styler et al., 2014b)。 此扩展包括新时间等附加功能 表达式类型（例如，用于表达式的 PREPOSTEXP 像术后），新的 EVENT 属性（例如，DEGREE=LITTLE 表示轻微恶心等表达）， 并且更加关注类型的时间关系 包含（又名包括）。
中文译文（机器翻译，仅供快速理解，请以原文为准）：Clinical TempEval 语料库基于梅奥诊所600份癌症临床记录和病理报告。这些笔记由Mayo Clinic手动去识别，以通用占位符替换姓名、地点等，但时间表达未作更改。随后，这些笔记由THYME项目（thyme.healthnlp.org）使用ISOTimeML的扩展进行手动注释，以标注临床笔记中的时间、事件和时间关系（Styler等，2014b）。此扩展包括新时间表达式类型等附加功能（例如，用于表达术后等表达的PREPOSTEXP），新的EVENT属性（例如，DEGREE=LITTLE表示轻微恶心等表达），并且更加关注包含（又名包括）类型的时间关系。
【主题与分类】
主题标签：医疗、预训练、自然语言处理、命名实体识别、Temporal Information Extraction、Negation Detection。
【适用方向】
文本类数据可用于医学自然语言处理，如命名实体识别、信息抽取与文本分类。
【获取与许可】
源站页面：https://opendatalab.org.cn/OpenDataLab/THYME-2016
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://opendatalab.org.cn/OpenDataLab/THYME-2016
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
基于600份来自梅奥诊所的癌症临床记录和病理报告，经过去识别化处理并采用ISO-TimeML扩展标注时间、事件和时间关系，主要用于临床文本的时序信息抽取任务。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
